[論文レビュー] Position: Certifiable State Integrity in Cyber-Physical Systems -- Why Modular Sovereignty Solves the Plasticity-Stability Paradox

Enzo Nicolás Spotorno, Antônio Augusto Medeiros Fröhlich|arXiv (Cornell University)|Jan 29, 2026

Adversarial Robustness in Machine Learning被引用数 0

ひとこと要約

この論文は、CPSにおける認証済み状態整合性には、 frozen regime-specific specialistsのライブラリと不確実性を考慮したブレンディングを組み合わせた Modular Sovereignty アプローチ（HYDRA）が必要であり、可塑性-安定性パラドックスを解決し、ライフサイクルの転換を跨ぐ検証可能な安全性を実現する。

ABSTRACT

The machine learning community has achieved remarkable success with universal foundation models for time-series and physical dynamics, largely overcoming earlier approximation barriers in smooth or slowly varying regimes through scale and specialized architectures. However, deploying these monolithic models in safety-critical Cyber-Physical Systems (CPS), governed by non-stationary lifecycle dynamics and strict reliability requirements, reveals persistent challenges. Recent evidence shows that fine-tuning time-series foundation models induces catastrophic forgetting, degrading performance on prior regimes. Standard models continue to exhibit residual spectral bias, smoothing high-frequency discontinuities characteristic of incipient faults, while their opacity hinders formal verification and traceability demanded by safety standards (e.g., ISO 26262, IEC 61508). This position paper argues that the plasticity-stability paradox cannot be fully resolved by global parameter updates (whether via offline fine-tuning or online adaptation). Instead, we advocate a Modular Sovereignty paradigm: a library of compact, frozen regime-specific specialists combined via uncertainty-aware blending, which we term "HYDRA" (Hierarchical uncertaintY-aware Dynamics for Rapidly-Adapting systems). This paradigm ensures regime-conditional validity, rigorous disentanglement of aleatoric and epistemic uncertainties, and modular auditability, offering a certifiable path for robust state integrity across the CPS lifecycle.

研究の動機と目的

• 安全 critical CPS で普遍的基盤モデルを展開する際の理論的・実践的障壁を特定する。
• ライブラリ構成をランタイム仲裁から切り離し、忘却を解消するパラダイムとして Modular Sovereignty（HYDRA）を提案する。
• ライフサイクル認証可能な物理学習へ向けた建築原理・利点・未解決課題を概説する。
• regime 条件付きの妥当性、分離された不確実性、モジュール化された監査可能性を安全規格認証のために有効化する。

提案手法

• 状態整合性を、ライフサイクル全体にわたる物理表現とデジタル表現の連続的かつ物理的に解釈可能な連結として定義する。
• HYDRAを導入する：凍結された regime-specific specialists（S_k）のライブラリを、不確実性を考慮したGovernor（B）とIntegrity Monitor（I）で守られつつ組み合わせる。
• 出力を凸結合として定式化する： ŷ_t = sum_k π_k^{(t)} S_k(x_t), πは単体にあり、状態が有効な局所多様体の凸包に留まることを保証する。
• Phase I: Type-I（物理派生）およびType-II（データ派生）スペシャリストと憲法的グリーディーアクションベースの検証プロセスを伴うオフライン構成。
• Phase II: オンライン校正で、Governorが残差と不確実性指標を用いて低次元混合係数π_tを推定し、 regime 条件付き適合予測を実現する。
• LPV理論へのポリトピック一般化および安全集合のRPIゾノトープとの結びつき； regime switching の疎性対連続性を扱うDirichlet事前分布（α）を用いて調整する。

Figure 1 : Simplex Integration. The Governor isolates the AI (QM) from the Safety Core (ASIL D). Specialists provide estimation; the Governor and fallback form the high-assurance safety channel. Figure crafted with the help of a GenAI Image Model.

実験結果

リサーチクエスチョン

• RQ1 ノンステーショナリ CPS において、壊滅的な忘却なしに regime 条件付きの妥当性と認証可能性を維持するにはどうすればよいか。
• RQ2 凍結された regime-specific specialists のライブラリと不確実性を考慮した governor の組み合わせは、ISO/IEC 安全基準の下で監査可能な安全保証を提供できるか。
• RQ3 残差ベースの仲裁は、 regime shifts、故障、老化を安全クリティカルダイナミクスで信頼性高く検出するのにどう寄与するか。
• RQ4 モジュール認証と検証可能性を支える建築的・数学的ツール（例：LPV、ポリトピック理論、ゾノトープ）は何か。

主な発見

• モノリシック基盤モデルは、忘却や検証の不透明性を含む非定常 CPS において可塑性-安定性および認証可能性の課題を示す。
• HYDRAはライブラリ構成をランタイム仲裁から切り離し、凍結スペシャリストの小さな集合を介した障害耐性のある認証可能な適応を実現する。
• 不確実性を考慮したブレンディング（Governor）は、残差を用いて regime shifts を検出し、明示的な曖昧さを制御可能な形で切替を管理し、LPV 的保証を活用する。
• スペシャリストの凸結合は、状態を有効多様体の凸 hull 内に保ち、モジュール型検証と安全エンベロープ（RPI Zonotopes）をサポートする。
• 統治・健康・不確実性・透明性から成るIntegrity Triangleは、単純安全性のフォールバックを備えた runtime assurance の構造化フレームワークを提供する（Simplex Architecture）。
• Phase-wise なライブラリ構築と検証は忘却を最小化し、部品の独立認証を可能にし、モノリシックなラッパーより可用性を向上させる。

Figure 2 : The Architecture of Sovereignty. Illustrated via the Vehicle Dynamics case study. The framework separates the offline Constitution (Library of Specialists) from the online Governance (in this example, implementing a Bayesian method for uncertainty-quantification, such as variational infer